m1芯⽚配置miniforge+tensorflow环境
m1芯⽚配置mini forge+tensor flow环境
⽂章⽬录
搜集到的⼀些有⽤的链接
配置流程
1. 被anaconda“坑”的前期：
以前在ubuntu上觉得anaconda这个包管理特别好⽤，⽽且还可以轻松应⽤tensorflow的包，于是这次就贪图⽅便直接下了anaconda，但是没有想到，anaconda以及它下载下来的⼀些包（特别是直接在CPU和GPU上操作的tensor flow keras等等）对arm架构的芯⽚不⽀持，导致即使成功安装了tensorflow也⽆法打开
2. 幡然醒悟：
在搜集资料后发现tensorflow对m1有⼀个预开发版本（release），但是这个版本必须建⽴在miniforge（a
naconda的arm64版本），于是⼜要翻到重来（⿁知道我⽤homebrew装了多少次miniconda）。这⾥就重点参考了上⾯两位博主的教程
3：配置过程
- permission denied
解决⽅案：切换到该.sh⽂件的⽬录下
- 切换到⽬录下⼤概率还是修改不了（因为⼤部分⼈可能还没开放权限）
解决⽅案： chmod 755 xxx.sh
03创建conda虚拟环境
conda create --name envname python=3.8
PS：这⼀步过后尽量回去miniforge⾥⾯看⼀下是否产⽣了⼀个你命名的虚拟环境⽂件夹（envname是你⾃⼰起的名字）
路径类似
/Users/xxx/miniforge3/envs/tf
这⼀步创建好后就可以快乐的开启虚拟环境
04在虚拟环境中安装tensorflow
这⾥援引上述两位博主的代码供⼤家参考
libs="/Users/xxx/tensorflow_macos/arm64/"
env="/Users/xxx/miniforge/base/envs/tf24/"
# 前⾯两个libs和env是为了⽅便后续的代码
conda install -c conda-forge pip setuptools cached-property six
conda upgrade -c conda-forge pip setuptools cached-property six
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_ar m64.whl"
#以上的⽂件都是依照 __02步骤__命名的，需要根据实际情况修改
conda install -c conda-forge -y absl-py
conda install -c conda-forge -y astunparse
conda install -c conda-forge -y gast
conda install -c conda-forge -y opt_einsum
conda install -c conda-forge -y termcolor
conda install -c conda-forge -y typing_extensions
conda install -c conda-forge -y wheel
conda install -c conda-forge -y typeguard
pip install tensorboard
pip install wrapt flatbuffers tensorflow_estimator google_pasta keras_preprocessing protobuf
tensorflow版本选择pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl"然后是sklearn
conda install -c conda-forge scikit-learn
以及keras
conda install -c conda-forge keras
其他的例如
pandas&pytables
matplotlib
ipython
就不细讲了，基本就是直接conda install就可以了
最后尝试在虚拟环境下打开python 然后import TensorFlow as tf
如果没有报错就基本成功了
后续我还需要探索如何在和miniforge没有软连接的anaconda上引⽤虚拟环境下的tensoflow，不然我的jupyter就⽤不了了…
结尾
这次的开局就是暴击，让我体会到arm64和x86之间的迁移还是需要很长时间才可以完成。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。